面试题：Ruby微服务架构下混沌工程的复杂场景设计与实践

级联故障

设计场景：假设微服务A调用微服务B，微服务B调用微服务C。当微服务C出现故障（如拒绝所有请求）时，微服务B由于无法从C获取响应，进而导致微服务A也出现故障。

Ruby代码实现：

在微服务C的Ruby代码中，可以在处理请求的方法前添加逻辑来模拟故障，例如：

class MicroserviceC
  def handle_request
    # 模拟故障，直接抛出异常
    raise 'Simulated failure'
  end
end

微服务B中调用C的部分，捕获C抛出的异常，例如：

class MicroserviceB
  def call_microservice_c
    begin
      microservice_c = MicroserviceC.new
      microservice_c.handle_request
    rescue => e
      # 这里可以选择继续抛出异常，导致级联故障
      raise e
    end
  end
end

验证影响：
- 监控微服务A、B、C的请求响应时间、错误率等指标。可以使用工具如Prometheus和Grafana来实时展示这些指标。如果级联故障发生，A和B的错误率会显著上升，响应时间会大幅增加。
保障生产环境最小影响：
- 在生产环境中，使用流量镜像技术，将一小部分流量（如1%）导向实验环境，在实验环境中触发级联故障，观察对这部分流量的影响，而不影响大部分正常流量。

依赖故障

设计场景：微服务依赖某个外部服务（如第三方API），模拟该外部服务不可用或响应异常缓慢的情况。

Ruby代码实现：

使用Ruby的HTTP客户端库（如Faraday）时，可以添加中间件来模拟故障。例如：

require 'faraday'

connection = Faraday.new(url: 'https://third - party - api.com') do |faraday|
  faraday.response :raise_error
  faraday.use(Faraday::Response::SimulateFailure, {
    error_rate: 0.5, # 50%的请求失败
    delay: 5 # 5秒延迟
  })
  faraday.adapter Faraday.default_adapter
end

class Faraday::Response::SimulateFailure < Faraday::Response::Middleware
  def initialize(options = {})
    @error_rate = options[:error_rate]
    @delay = options[:delay]
  end

  def on_complete(env)
    if rand < @error_rate
      raise 'Simulated external service failure'
    end
    sleep @delay if @delay
  end
end

验证影响：
- 观察微服务的业务功能是否正常，如数据获取是否失败，业务流程是否中断。同样通过监控指标来查看微服务自身的错误率、响应时间等变化。
保障生产环境最小影响：
- 利用熔断器模式，当检测到外部服务故障达到一定阈值时，熔断器打开，微服务直接返回默认值或错误信息，避免大量无效请求。同时，在实验前进行充分的灰度发布，逐步扩大实验范围。

数据一致性故障

设计场景：在微服务通过消息队列向PostgreSQL存储数据时，模拟消息丢失或重复消费，导致数据不一致。

Ruby代码实现：

消息丢失模拟：在向RabbitMQ发送消息时，故意不处理确认机制，例如：

require 'bunny'

connection = Bunny.new
connection.start
channel = connection.create_channel
queue = channel.queue('data - queue')

message = 'Some data'
# 不等待确认，模拟消息丢失
queue.publish(message, persistent: true)

消息重复消费模拟：在消费消息的代码中，不做幂等处理，例如：

consumer = queue.subscribe(block: true) do |delivery_info, properties, body|
  # 假设这里是向PostgreSQL插入数据的操作
  ActiveRecord::Base.connection.execute("INSERT INTO some_table (data) VALUES ('#{body}')")
end

验证影响：
- 通过数据库层面的一致性检查，例如使用数据库的约束条件（如唯一约束）来发现重复数据。对比数据库中的数据和通过消息队列发送的数据总量，判断是否有消息丢失。
保障生产环境最小影响：
- 在生产环境启用RabbitMQ的事务机制或publisher confirms来确保消息可靠发送。在消费端实现幂等性，例如在插入数据前先查询是否已存在，或者使用数据库的ON CONFLICT DO NOTHING语句。同时，在实验前对生产数据进行备份，以便在实验出现问题时快速恢复。

星途面试题库

面试题：Ruby微服务架构下混沌工程的复杂场景设计与实践

知识考点

面试题答案

级联故障

依赖故障

数据一致性故障